Instrumented Interconnecteds Intelligent

Building a Smarter Planet. A Smarter Planet Blog.


 
November, 21st 2014
11:19
 

Edwin Schouten, Cloud Services Leader IBM Services Benelux, http://edwinschouten.nl

Edwin Schouten, Cloud Services Leader IBM Services Benelux, http://edwinschouten.nl

“Ik werk nu zo’n zes jaar bij IBM. De eerste drie jaar was het mijn taak om als IT-architect ingewikkelde IT-vraagstukken te vereenvoudigen en onze grootste klanten te adviseren. Daarna kreeg ik een nieuwe uitdaging en ben ik me volledig gaan richten op IBM’s cloudoplossingen, eerst als Benelux portfolio manager voor IBM’s beheerde clouddiensten, wat daarna verder is uitgegroeid naar advies en verkoop van deze clouddiensten aan onze grootste klanten. Om bij te dragen aan de bekendheid van IBM’s clouddiensten ben ik begin 2012 social media kanalen als Twitter, LinkedIn en diverse blogs beginnen te gebruiken. Via deze kanalen deel ik mijn visie en kennis over cloud computing en IT-architectuur. Zo heb ik blogposts geschreven op onder andere ThoughtsonCloud.com, TheAtlantic.com, Wired.com en Computable.nl. Daarnaast ben ik expert cloud computing voor de IBM Benelux technical community (Benelux TEC) en lid van Platform Outsourcing Nederland.”

“Ongeveer een jaar geleden kruiste uitgever Packt Publishing mijn pad, met de vraag of ik gebaseerd op mijn blogposts niet eens een boek wilde schrijven over IBM cloud. Omdat dit volledig in mijn motto paste, heb ik deze kans met beide handen gegrepen. Het boek IBM SmartCloud Essentials, te bestellen via bijvoorbeeld Amazon.com en Bol.com, is het resultaat van mijn harde werk. Het bleek een erg waardevolle ervaring en ik ben dan ook dankbaar dat ik deze kans gekregen en gegrepen heb. Het gebruik van social media kanalen heeft me trouwens nog veel meer gebracht, zoals een vermelding als één van de twaalf technical leaders binnen IBM Europa in het Journal of Eminent Professionals. Maar met stip op één staat het feit dat social media me helpen bij het delen van kennis en inzichten en de interactie die hierdoor online en off line ontstaat. Voor iedereen die ook de stap richting ‘digital’ wil zetten, heb ik samen met IBM’s social engagement strategist een viertal blogposts geschreven over hoe je hier op een eenvoudige manier mee kan starten.”

Edwin Schouten, Cloud Services Leader IBM Services Benelux, http://edwinschouten.nl

Bookmark and Share
November, 17th 2014
14:17
 

Posted by
in

Column door Frank van der Wal

Column door Frank van der Wal

Beslissingen zijn er om genomen te worden, maar zijn niet altijd even makkelijk. We kennen het allemaal: twijfels, even aan de neus krabbelen, handen wrijven, toch maar even aan de neus zitten, diep zuchten en dan … de verkeerde beslissing nemen. Zoals Hans Bhom, de voormalig grootmeester, ooit eens zei: “Schaken is heel lang nadenken … en dan de verkeerde beslissing nemen.”

Binnen bedrijven en organisatie wordt er heel wat gewikt en gewogen. Moeten we wel of geen Zwarte Pieten in reclames gebruiken, om er maar eentje te noemen. En ook beslissingen van meer substantiele aard.
Een jaar of, pak weg, 20-30 geleden, waren computer programma’s er om zaken geautomatiseerd te laten verlopen. Binnen een financiële organisatie kon men bijvoorbeeld een computer programma laten bepalen of iemand wel of niet een lening of hypotheek kon krijgen. Je kon deze regel, of Business Rule, vastleggen in een programma dat er dan ongeveer zo uit zag:

als INKOMEN_AANVRAGER < 50000 dan HYPOTHEEK_LIMIET == 150000

(we praten hier nog in Oud-Hollandsche florijnen, natuurlijk.)

Het gaf een prachtig mooie eenduidigheid, menselijke fouten werden vermeden en iedereen was gelukkig.

Echter, als de Marketing-stropdas plots vond dat hij meer en hogere hypotheekjes moest verkopen, moest de regel aangepast worden. In dit geval kan de HYPOTHEEK_LIMIET verhoogd worden en/of INKOMEN_AANVRAGER verlaagd. Met alle risico’s van dien, overigens.
Ondanks dat de handeling om dat te doen een programmeur misschien 2 minuten kost, werd de applicatie pas na veel gezever daadwerkelijk veranderd. De applicatie die elke dag meerdere malen die regel gedecideerd uitvoert, kan niet elk moment stopgezet, aangepast en weer opgestart worden. Nee, er moet getest worden op invloeden op andere programma’s en vele andere zaken. Tegen de tijd dat de verandering doorgevoerd is, heeft de marketing-stropdas al weer een ander plan gelanceerd om zijn bonus binnen te tikken.

Het overgesimplificeerde voorbeeld van hierboven is in de werkelijke Grote Mensen wereld een lastig probleem. Zo heeft een Europees credit card bedrijf 30.000 van dit soort Business Rules en die verwerken 8000 transactie per seconde. Eén van die 30000 Business Rules veranderen is geen sinicure, hoe reageert het op andere regels en wat is de invloed ervan? En men wil er meerdere tegelijkertijd kunnen veranderen…

Tevens zijn de werelden van IT en “de business” dusdanig uit elkaar gegroeid dat je niet aan de programmeur kan overlaten hoe een Business Rule eruit moet zien, terwijl je al helemaal niet een Business persoon een paar regels code wil laten veranderen.

Aan de andere kant begrijpen we met z’n alle dat snelheid geboden is. Het kan anno 2014 niet meer zo zijn dat het maanden duurt voordat een nieuwe Business Rule ge-effectueerd wordt. Toch gebeurd dat vaak genoeg en de slagkracht neemt dan zienderogen af.

Met andere woorden, het is tijd voor Operational Decision Management. ODM

ODM is een product die het mogelijk maakt voor Business mensen regels te maken in een pseudo-programeer taal die dan min of meer automatisch worden doorgevoerd. Dat houdt in dat computerprogramma’s niet meer de regels “hard-coded” ingebakken hebben, maar de beslissingen “ergens anders” vandaan moeten halen, hetgeen ODM mogelijk maakt.

Helemaal leuk wordt het als er vervolgens allerlei voorspellende analitics wordt gedaan en de resultaten daarvan ook regels gaan aanpassen. Er ontstaat een zeer dynamische omgeving waar makkelijk mee gestuurd kan worden.

Er zijn een paar mooie voorbeelden van ODM te bedenken. Bijvoorbeeld een verzekerings maatschappij die, aan de hand van gegevens van een potentiele klant, een premie voor een autoverzekering kan uitrekenen met regels zoals het rijgedrag te scoren aan de hand van hystorische gegevens, maar ook de statistieken en verregaande analyses. Dat wordt nu ook wel gedaan, maar op een zeer grofmazige manier. Met ODM kan het veel fijnmaziger, sneller en veel meer toegespitst op een specifieke klant. Want niet iedere 19 jarige knul in Amsterdam rijdt roekeloos.

Het is Hoge School spul, dat ODM. Ingewikkeld, maar hè, prachtig spul!

Voor mobiele kijkbuiskindertjes: www.magitietsmeerzijn.nl

Bookmark and Share
November, 14th 2014
10:50
 

In de film Moneyball wordt Billy Beane manager van de Oakland Athletics, een honkbalteam uit Californië. Vanwege de geldproblemen van de club gebruikt hij een wel heel onorthodoxe manier om resultaten te halen.

door: Marc Teerlink, Global Strategist & Chief Data Scientist bij IBM en Olav Laudy, Worldwide Predictive Analytics Solutions Leader bij IBM

Marc Teerlink,  Global Strategist & Chief Data Scientist bij IBM - marc.teerlink@nl.ibm.com

Marc Teerlink,
Global Strategist & Chief Data Scientist bij IBM – marc.teerlink@nl.ibm.com

Dankzij een compleet door computers gegenereerde analyse vindt hij potentiële nieuwe spelers en stelt hij een team samen voor de World Series. Tijdens de Amerikaanse verkiezingen van 2012 werd Obama´s campagne gerund als het politieke equivalent van Moneyball. Aan iedere beslissing van de campagne ging een cijfermatige analyse vooraf door een klein team, geleid door datawetenschapper Harper Reed. Een ander voorbeeld van voorspellingen op basis van data, zijn die van Nate Silver, een statisticus die in Amerika beroemd werd door zijn accurate voorspellingen voor de presidentsverkiezingen van 2008 en 2012. Silver startte in 2008 zijn datablog FiveThirtyEight waarop hij voorspellingen deed die met algoritmes werden onderbouwd. Ervaren in Moneyball-achtige sportstatistiek voorspelde Silver op basis van de zogenoemde Big Data accuraat de verkiezingsuitkomst van 49 van de 50 staten en 35 van de 2008 ‘senaat races’.

Wat is Big Data?

Het begrip Big Data staat in eerste instantie voor ‘veel’. Door de omvang en snelheid waarmee data gegenereerd worden, zijn ze niet meer met de traditionele technologieën te verwerken. Big Data staat ook voor een veranderlijke snelheid, waarheidsgetrouwheid en variatie. Verder komen data voor in verschillende vormen en formaten, variërend van het merk tandpasta dat je kocht tot de locatie vanwaar je naar kantoor belde. Er zijn ook andere soorten data dan de gebruikelijke lijstjes, formulieren en databases. Denk hierbij aan data die een andere structuur hebben, afkomstig zijn uit sensoren, boeken en documenten, beeld, geluid, gps-locaties of die verkregen zijn door zelf gedane fysieke metingen.

Data scientist: de meest sexy job

Toen de Harvard Business Review in 2012 verklaarde dat de functie van data scientist de meest sexy job van de 21ste eeuw is, werd Twitter gevuld met het gejuich van econometristen, operations-researchprofessionals, actuarissen en statistici. Maar wat doet zo iemand eigenlijk? Dat zal de komende jaren snel duidelijker worden. Steeds meer bedrijven willen de vruchten van Big Data plukken, zodat de taakomschrijving nauwkeuriger wordt ingevuld. Eerder onderzoek toonde aan dat data-analisten een belangrijke en essentiële rol spelen bij de meer succesvolle ondernemingen en verwacht wordt dat deze rol zal toenemen. Helaas is tijdens de besluitvorming niet altijd de boodschap uit die data bruikbaar gemaakt. Niet alleen heeft de data scientist de taak om data te analyseren; hij moet de organisatie ook opleiden om datagebaseerd te denken.

Tekort aan data scientists

De grote uitdaging is dat volgens een McKinsey Studie alleen al in de VS een tekort is van 140.000 tot 190.000 mensen met analytische expertise en 1,5 miljoen managers en analisten met de vaardigheden om beslissingen te nemen op basis van de analyse van Big Data. Het komende tekort aan ervaren Big Data talent bleek ook uit een survey van InformationWeek: 40 procent van de respondenten stelde dat hun personeel in Big Data en analytics in het komende jaar zou uitbreiden. De vraag die uiteraard gesteld wordt: waar is dat talent? En kan een bedrijf zijn bestaande businessanalisten ‘zomaar’ laten doorgroeien tot data scientist?

Data delen is het nieuwe hebben

Businessanalisten zijn vaak niet in staat om te bieden wat het besluitvormingsproces het meeste nodig heeft: inzicht en niet alleen cijfers. Data scientists moeten nieuwsgierig zijn, lang en goed naar data kijken en trends oppikken. De data scientist moet voor alles belangstelling hebben en een organisatie willen veranderen. Hij moet dienen als schakel tussen business en data. Wat vertelt Big Data ons over onze processen? Hoe kunnen wij beter en sneller functioneren? De data scientist moet meer doen dan alleen maar data analyseren of een model creëren. Hij dient ook de data te visualiseren waardoor de analyse van Big Data inzichtelijk gemaakt kan worden, en daarmee voorspellend wordt in plaats van reactief.

How to become a data scientist? Where to start?

How to become a data scientist? Where to start?

Tips voor de beginnende data scientist

1. Begin met de vraag, niet met de Big Data, en beantwoord de juiste vraag

Met Big Data kan het verleidelijk zijn om antwoorden op allerlei interessante vragen na te jagen. Maar als na al het analysewerk blijkt dat de focus ligt op vragen die niemand anders in de organisatie stelde, zul je delen aan het verhaal moeten toevoegen óf je moeten richten op de vragen die belangrijk zijn voor beslissers. Eigenlijk is het je eerste taak om mensen te helpen betere vragen te formuleren.

2. Vertel het verhaal; spreek de taal van je bedrijf

Data scientists houden van hun data. Maar als je wilt worden gehoord, moet je je bevindingen vertalen in de taal die je beoogd publiek spreekt. Begin met het antwoord op de so what-vraag, in plaats van met een uitleg van de methodologie, en gebruik dynamische visualisaties om Big Data tot leven te brengen.

3. Wees bescheiden en valideer samen met businesscollega’s

De meeste data-masseurs trappen soms in de valkuil dat data de werkelijkheid zijn. We worstelen ons door de data en komen dan met een solide, fascinerende, controversiële conclusie. Ons instinct is om dan naar de dichtstbijzijnde beslisser te lopen en te zeggen: ‘Kijk! Je moet het bedrijf veranderen!’ Maar het is heel goed mogelijk dat we niet het volledige beeld hebben. Een of twee keer vals alarm kan gemakkelijk de geloofwaardigheid van Big Data analytics ondermijnen. Het is dus essentieel om eerst een aantal aannames en conclusies te valideren met degenen die een goed inzicht hebben in het bedrijf. Laat hen delen in het spel en de erkenning. Luister naar hen. Het is een win-winsituatie.

Conclusie

Met de huidige technologie is het verzamelen en ontsluiten van Big Data eenvoudig geworden. Moeilijker wordt het om met echt inzicht te komen. De hoofdprijs komt pas bij het effectief communiceren van deze inzichten. Hoe meer nederigheid we kunnen opbrengen over ons vermogen om voorspellingen te doen, des te meer succes we zullen hebben in het plannen voor de toekomst.

 

Bookmark and Share

  Did you know that on April 7, 2014 a top-quality IBM jewel celebrated its 50th anniversary? This is about technology that reshaped entire industries, allowed to reinvent business models for competitive advantage, and stimulated overall economy through secure transactions and trustable data.

This master piece is known as “Mainframe” or “System z”. Taking into consideration its evolution towards a workload optimized hybrid system, it also is named “zEnterprise”. While its basic concepts are still applicable, the zEnterprise technology belongs to the most modern on earth, represented in its most recent server types, the zEC12 and the zBC12.

Master the Mainframe, for the real whizz kids!

 

We think that students at high schools and universities will be attracted by the opportunity to discover this exciting piece of technology. This becomes even more tempting when they discover that this exploration journey allows them to develop competitive skills and prepare for the job market.

This contest is still open for enrollments (it is until the last day of the contest). Some 100 students have already found their way and today, 54 students have reached phase 2!

 

We can imagine that some of them are somewhat bored by learning those “traditional” Java and .NET details over and over again, knowledge which is already mastered by masses of people. For the real whiz kids, the time has come for doing “real IT stuff”! That is why we are inviting the student community to participate in a unique game: the “Master the Mainframe Contest”.

For the “real whiz kids”

 

This challenge is part of the zAcademic Initiative and is open to all students of universities and high schools in the Benelux countries, and will be organized in the fall of 2014, between October till January 14 2015. And it’s not just about having fun! Apart from acquiring the type of experience that will help them land a job in the IT industry, they also can win fantastic prizes! Prior knowledge is not required. The only preconditions are curiosity, passion and a healthy sense of fair play and competition… Doesn’t that sound appealing? Last but not least, local and international subject matter experts will be within reach for all participants, if they require guidance. The reason we are organizing this event in 2014 should be clear by now: the basis of the hyper modern Mainframe technology the entire world relies upon was born half a century ago! Check out www.ibm.com/mainframe50/ and our Facebook page: https://www.facebook.com/MasterMainframeBNL/timeline

Do not hesitate to enroll and follow up all additional announcements!

You can register here

The IBM Benelux Master the Mainframe Team,
Eric Michiels – Eric_Michiels@be.ibm.com
Ivo Van Horebeek – Ivo.Van.Horebeek@be.ibm.com
Martijn Raave – martijn.raave@nl.ibm.com
Wing-Yan Man – wingyanman@nl.ibm.com
Dennis Prang – prang@nl.ibm.com

MtM Infographic-sm

Bookmark and Share
November, 7th 2014
10:26
 

Professor Desirée van Gorp, Hoogleraar International Business Strategy aan Nyenrode Business University

Professor Desirée van Gorp, Hoogleraar International Business Strategy aan Nyenrode Business University

 

Data is overal. Maar gegevens zijn nog geen informatie. Hoe maak je als organisatie de slag van data naar de gewenste informatie, bijvoorbeeld om je klanttevredenheid te vergroten, slagvaardiger te worden of je businessmodel te kantelen? Professor Désirée van Gorp, Hoogleraar International Business Strategy aan Nyenrode Business University, geeft haar visie op dit vraagstuk. Dat doet ze vanuit een verfrissend perspectief als businesskenner en wetenschapper. Uiteraard passeren hierbij ook verschillende Do’s en Don’ts de revue.

Waar moeten organisaties beginnen wanneer ze (big) data willen inzetten?

“Wat wil je met bepaalde gegevens?

Dat is het eerste wat organisaties zich moeten afvragen wanneer ze met grote hoeveelheden data aan de slag gaan. Deze vraag leidt tot een concept. Vervolgens kun je je afvragen of je dit concept wel kunt verwezenlijken met de gegevens die je hebt. Of moet je daarvoor nieuwe gegevens genereren? Bij het genereren van data komen verschillende uitdagingen kijken. Privacy is een van deze valkuilen. Denk maar aan het elektronisch patiëntendossier. Dat is op dit gebied een schoolvoorbeeld van hoe het niet moet. Wanneer je van start gaat, doe het dan eerst op kleine schaal, in een pilot bijvoorbeeld. Dan loop je het minste risico en kun je later nog bijsturen.”

Hoe zorg je dat klanten, relaties of burgers hun persoonlijke gegevens juist willen delen?

“Verleid mensen om hun gegevens te delen. Dat is het geheim achter de meeste succesvolle businessconcepten op basis van persoonlijke gegevens. Zorg dat betrokkenen meteen zien wat hun voordeel is. Zoals dat gebeurt bij een winkelketen die met een klantkaart zijn klanten persoonlijke aanbiedingen doet of korting geeft. Of bij een skiresort dat gasten op basis van hun mobiele telefoonsignalen laat zien op welke piste hun vrienden zich bevinden. Een ander voorbeeld is een kledingwinkel die eerdere aankopen matcht met nieuwe items. Zodat een klant direct ziet welke truien het beste bij een eerder gekochte broek passen. De retailer biedt klanten korting, de kledingwinkel biedt ze een persoonlijke shopping experience en het hotel biedt ze fun. Het maakt dus niet uit wat het voordeel is, als klanten dit maar inzien en verleidelijk vinden.”

Wat betekent (big) data voor de wetenschap?

“De wetenschap geeft eigenlijk al jarenlang het goede voorbeeld. Al eeuwen voordat wij ook maar van Big Data gehoord hadden, baseerden wetenschappers hun onderzoek al op data-analyse, ofwel op het filteren van informatie uit verzamelde feiten. Eigenlijk zijn er veel overeenkomsten met het ideale Big Data-stappenplan voor organisaties. Alleen noemen we het anders: wat het businessconcept is voor bedrijven, is de vraagstelling voor wetenschappers. Ook wetenschappers moeten beginnen bij de basis als ze data gebruiken: wat is mijn doel en hoe kan ik gegevens daarvoor inzetten?”

Welke rol speelt (big) data in het huidige hoger onderwijs?

“Iedereen die afstudeert moet eigenlijk iets van technologische ontwikkelingen zoals Big Data weten. Geen details, maar wel de basis: bijvoorbeeld welke mogelijkheden data biedt voor jouw vakgebied. Daarom hebben wij technologische ontwikkelingen zoals Big Data opgenomen in ons curriculum. Zo doceer ik de cursus Information and Innovation. Hierin beantwoorden we vragen zoals: hoe kunnen we het beste omgaan met gegevens? Welke businessmogelijkheden biedt Big Data? Hoe filteren we de juiste gegevens uit grote hoeveelheden? Hoe kunnen we de technologie en algoritmes achter data inzetten om businessmodellen te verbeteren? In de cursus komen bedrijfskundige onderwerpen aan bod waarin Big Data een grote rol kan spelen, zoals voorraadbeheer, brand building, crowdsourcing en het optimaliseren van de klantervaring. Want Big Data en bijbehorende algoritmes en analytics kunnen we niet los van de praktijk zien. Het zijn middelen om een bepaald doel te bereiken.”

Welke veranderingen denkt u dat (big) data teweeg gaat brengen?

“Andere menselijke vaardigheden worden belangrijk. Ik zie Data Analist als het beroep van de toekomst. Mensen die intelligentie en gevoel kunnen combineren, hebben goud in handen. Een hoog IQ is nodig om algoritmes en techniek voor data-analyse te ontwikkelen. Een hoog EQ is cruciaal om het juiste concept te bedenken: hoe zet ik data slim in? Neem nou IBM Watson. Deze supercomputer kan alles berekenen, maar deze gegevens niet slim inzetten om een bepaalde doelstelling te bereiken. Daarvoor is een menselijke feeling en helikopterview nodig. En dat is nou juist de meerwaarde van een Data Analist.” Hoe kan ‘het bedrijf van de toekomst’ alles uit data halen? “Organisaties moeten hun mindset veranderen. Dan pas kunnen ze alles uit veelbelovende technologische ontwikkelingen zoals Big Data halen. Dat betekent dat hun mindset moet verschuiven van controle naar invloed. Je kan namelijk niet de volledige controle houden als je op Big Data vertrouwt. Op bepaalde punten moet je die uit handen geven. Dat is moeilijk. Vooral voor bedrijven die vastgeroest zitten in structuren en denkpatronen. Toch zijn er voorbeelden van traditionele organisaties die hun businessmodel op basis van data-analyse compleet gekanteld hebben. En met succes! Zo heeft Lego nieuwe producten ontwikkeld door crowdsourcing. De crowd bestond in dit geval uit hun doelgroep: kinderen. Burberry is een ander voorbeeld. Deze onderneming heeft haar imago compleet veranderd door via elk klantkanaal – website, social media, winkel, contact center – op een consistente en verfrissende manier met klanten om te gaan. Met een verbeterde klantervaring en hogere verkoop als gevolg. Hieruit blijkt dat je met een goed dataconcept alles kan doen, want data is plaats- en tijdsonafhankelijk. Als je daar met de juiste mensen, doelstelling, concept, verleidingsmethode en businessmodel alles uit weet te halen, ligt de wereld voor je open.”

“Data Analist is het beroep van de toekomst.”

Bookmark and Share

Subscribe to this blog Subscribe to this blog